遙感影像的薄云去除方法
【技術領域】
[0001 ]本發(fā)明涉及遙感影像技術領域，尤其涉及一種遙感影像的薄云去除方法。
【背景技術】
[0002] 隨著成像技術的不斷發(fā)展，彩色遙感圖像獲取的渠道越來越多。但是在遙感影像 獲取過程中，易受云霧干擾等因素的影響，遙感影像可能出現色彩不豐富、對比度低、光照 不均勻等問題。進而在遙感影像的使用過程中，很難獲取成像時的大氣參數，導致很難通過 云霧成像模型來去除薄云的影響，使得從遙感圖像中無法獲取有云區(qū)域中的信息，因此，遙 感圖像中的去云技術成為圖像增強領域中很重要的一個分支。
[0003] 為了突出在遙感圖像中云區(qū)域中的信息，抑制不需要的信息，常見的去薄云的方 法有：1)多光譜圖像法;2)多幅圖像插值法;3)數據融合法;4)圖像增強法;5)物理模型法。 對于一幅遙感圖像是某一地區(qū)某一特定時間的單波段圖像，前3種方法均不適合去除薄云。 第4種方法很多，例如同態(tài)濾波法、Retinex法等等，其中同態(tài)濾波法從本質上說，是通過取 對數和傅里葉變換后，相乘的運算變成相加的運算，再用高通濾波的方法，提取高頻成分， 抑制低頻的成分，因此同態(tài)濾波法常用于黑白遙感圖像中去除低頻部分的薄云，但對于彩 色遙感圖像去除薄云則需要選用新的方法。Retinex圖像增強方法是在原始圖像中減去平 滑的部分，這部分是由原始圖像與高斯函數進行卷積運算后產生的；多尺度Retinex圖像增 強方法，綜合了小尺度Retinex突出圖像細節(jié)和大尺度Retinex呈現色彩等優(yōu)點，但對于遙 感影像而言，效果并不是非常明顯。物理模型去云的大致思想是：用一幅無云的晴天圖像做 參考，獲得先驗知識后，首先計算出物理模型的參數，然后利用所得出的模型參數實現云霧 的去除。圖像復原是先收集圖像的先驗知識，假設退化的過程，根本思想是利用退化模型修 正失真，得到原始圖像的最優(yōu)估計復原圖像。由于退化模型是建立在云層形成的物理過程 上，所以很具有針對性，但并不適用于單幅遙感影像去云。

【發(fā)明內容】

[0004] 基于此，本發(fā)明提供一種遙感影像的薄云去除方法，以有效解決現有技術單幅遙 感影像上的薄云去除和勻色勻光問題。
[0005] -種遙感影像的薄云去除方法，其包括如下步驟：
[0006] S101、計算遙感影像的亮度影像；
[0007] S103、對所述亮度影像進行粗處理；
[0008] S105、對所述亮度影像進行累積直方圖截斷處理；
[0009] S107、恢復所述遙感影像的色彩信息。
[0010] 本發(fā)明一較佳實施方式中，步驟S101中，定義遙感影像的亮度影像為：
[0011] I = (R+G+B)/3,
[0012] 其中，R、G和B分別表示所述遙感影像的紅色、綠色和藍色波段；
[0013] 考慮到顏色向量之間的相關性：
[0015]其中，￡為一個極小量。
[0016]本發(fā)明一較佳實施方式中，步驟S103中進一步包括：
[0017] 對所述亮度影像進行快速傅里葉變換；
[0018] 進行高斯濾波；
[0019] 對濾波后的結果進行傅里葉逆變換，得到亮度影像的背景影像；
[0020] 用原始亮度影像減去所述背景影像，即可得到粗處理后的亮度影像。
[0021] 本發(fā)明一較佳實施方式中，步驟S105采用累積直方圖截斷的方法對所述粗處理后 的亮度影像進行拉伸。
[0022]本發(fā)明一較佳實施方式中，步驟S105中，設定一個截斷比例閾值t，則截斷閾值為T = tMN，其中，Μ和N分別為粗處理后亮度影像的高度和寬度，統(tǒng)計所述亮度影像的直方圖h (n)，其中η = 1、2、···、256;分別從直方圖的左邊和右邊開始計算累計直方圖，將滿足下列條 件的灰度值作為截斷灰度值：
[0024] 其中，Vieft和Vright分別為左截斷和右截斷灰度值；
[0025] 在得到該波段影像的左右截斷灰度值后，按照下式對粗處理后的亮度影像進行灰 度值拉伸：
[0026] 如果 I，（x，y)<Vieft，則
[0027] r(x,y)=〇,
[0028] 如果 I，（x,y)>Vright，^J
[0029] I，（x，y)=255，
[0030] 否則
[0032] 其中，β為亮度調節(jié)因子，且β<1。
[0033] 本發(fā)明一較佳實施方式中，步驟S107中，所述截斷處理后的亮度影像通過如下公 式恢復所述遙感影像的色彩信息：
[0035] 其中，ε為一個極小量。
[0036] 相對于現有技術，本發(fā)明提供的遙感影像的薄云去除方法能夠更有效地去除遙感 影像中薄云的影響，調整不均勻光照，提高整個影像的對比度，恢復色彩信息。
【附圖說明】
[0037] 圖1為本發(fā)明一實施例提供的遙感影像的薄云去除方法的流程圖；
[0038]圖2為步驟S105中對所述亮度影像進行直方圖截斷處理前的直方圖；
[0039]圖3為步驟S105中對所述亮度影像進行直方圖截斷處理后的直方圖；
[0040]圖4a~圖4d為采用不同方法對包含薄云的遙感影像進行薄云去除后的結果圖； [0041]圖5a~圖5d為采用不同方法對包含厚云的遙感影像進行薄云去除后的結果圖。
【具體實施方式】
[0042]為了便于理解本發(fā)明，下面將參照相關附圖對本發(fā)明進行更全面的描述。附圖中 給出了本發(fā)明的較佳實施方式。以上僅為本發(fā)明的優(yōu)選實施例，并非因此限制本發(fā)明的專 利范圍，凡是利用本發(fā)明說明書及附圖內容所作的等效結構或等效流程變換，或直接或間 接運用在其他相關的技術領域，均同理包括在本發(fā)明的專利保護范圍內。
[0043] 除非另有定義，本文所使用的所有的技術和科學術語與屬于本發(fā)明的技術領域的 技術人員通常理解的含義相同。本文中在本發(fā)明的說明書中所使用的術語只是為了描述具 體的實施方式的目的，不是旨在于限制本發(fā)明。本文所使用的術語"及/或"包括一個或多個 相關的所列項目的任意的和所有的組合。
[0044] 請參閱圖1，本發(fā)明一實施例提供的一種遙感影像的薄云去除方法，其包括如下步 驟：
[0045] S101、計算遙感影像的亮度影像。
[0046] 本實施例中，定義遙感影像(彩色影像)的亮度影像為：
[0047] I = (R+G+B)/3 (1)
[0048] 其中，R、G和B分別表示彩色影像的三個波段:Red(R)、Green(G)and Blue(B)，即紅 色、綠色和藍色。
[0049]對于由紅(R)、綠(G)和藍(B)三個波段組成的真彩色影像，假設某個像素在處理前 的顏色向量為x= (R，G，B)，處理后該顏色向量滿足X' = (aR，aG，aB)，則可以認為該像素的 顏色信息沒有變化，只是亮度發(fā)生了變化。
[0050]考慮到顏色向量之間的相關性：
[0052]其中，ε為一個極小量，用于防止分母為〇。
[0053]通過此相關性，采用下式，即可以通過勻光后的亮度影像來恢復影像的顏色信息：
[0055] 其中，ε為一個防止分母為〇的極小量，Γ為經過處理后的亮度影像。
[0056] 由此，后續(xù)步驟通過對亮度影像的處理，即可恢復出原始的彩色影像。
[0057] S103、對所述亮度影像進行粗處理。
[0058]對亮度影像I進行快速傅里葉變換：
[0059] ffti=FFT(I) (4)
[0060] 其中，FFT表示快速傅里葉變換。
[0061] 然后對ffti進行高斯濾波，頻率域的高斯濾波器為：
[0063 ]其中，